Python – 蜗牛派

Julia 语言官网调查显示76% 的 Julia 用户将 Python 作为首选替代语言

蜗牛派 — Thu, 27 Aug 2020 02:27:49 +0000

Julia 语言官网分享了其 2020 年用户及开发者调查的结果。该调查以英语、西班牙语、中文和德语这四种语言进行，中文流利者占 11%；共有 2,565 名来自 102 个国家和地区的受访者，去年的参与人数为 1,844 人。

与其他大多数语言调查不同的是，Julia 语言调查的受访者中，学者占比 60%，业界人士仅有 43%。这也与它在数据分析和计算科学方面的作用强相关。将 Julia 用作生产的开发者相对较少。调查显示，使用 Julia 超过 6 个月以上的专业人员中，有 22％的人在生产中使用 Julia 来完成关键业务任务。

本次调查的一个亮点是，有 76% 的受访者将 Python 作为 Julia 的首选替代语言，31% 的人选了 C++，将 Matlab 作为备选的同样占 31%——Julia 就是因为一群 Matlab 用户对现有的科学计算编程工具感到不满，而打造出来的融合了多种语言特性的开源语言。去年选 Matlab 的受访者占比 35%，今年这一数值有所下降。

除了 Julia，这些受访者最常用的语言是 Python、Bash/Shell/PowerShell 和 C/C++，以及 Matlab 和 R 等数据科学类语言。最喜欢的语言也是这几类，除此之外，还出现了 Rust 的身影。

对于 Julia 用户来说，速度、性能、易用性以及开源特性和语言的互操性是他们选择 Julia 的最大原因。在非技术层面，Julia 的免费、社区协作和所用的 MIT 协议是他们最喜欢的。

至于使用 Julia 时遇到的障碍，46% 的人认为初学时间较长才有所产出、编译速度较慢、包不够成熟、不能生成自带的二进制文件等等也成为了 Julia 的拖后腿选项。同样来看一下非技术层面，最大问题是身边的人或所在的领域对 Julia 的使用不够多，以及学校、公司或客户等合作组织不支持 Julia，也有人认为 Julia 的教程和文档有些过时，文件也不够充分。

尽管如此，57% 的受访者表示很看好 Julia 的潜力，认为它是一门”未来的语言“（the language of the future）。

Julia 用户最喜欢的包分别是 Plots.jl、DataFrames.jl、IJulia.jl 以及 DifferentialEquations.jl。Juno 和 VS Code 成为了他们最常用的 IDE，而去年的第一名 Atom 今年排在了第五位。

受访者中，Linux/x86 用户超过半数，占比 62%；使用 Windows 的人占 45%；而 macOS Julia 用户数为 31%，较去年有所下降。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

如何用「超一流」的方法，练就高超的数据分析能力？

谈股论金 — Sat, 30 May 2020 23:43:27 +0000

所谓「超一流」，是指提炼和运用思维模型的三个核心环节。

我总结成一句话就是：链接超级人脉、举一反三、练就行云流水般的直觉反应。

下面我将结合自己所学的知识和过往的经验，对这三个环节分别展开讨论。

当你遇到复杂的问题时，不妨去寻求超级人脉的帮助。这就好比人生病了，应该去找专科医生。

我们通常认为，要找到复杂问题的答案，一定要经过大量的研究分析才可以。

但真相往往是，专家看一眼就能找到问题的症结，而新手分析个半天也找不到关键。

正所谓，读万卷书，不如行万里路，行万里路，不如名师指路。

问题是：专家为什么要帮你？

我觉得要运用「双赢思维」，先思考自己能为专家做点什么，从而让专家愿意帮你。

我写作分享数据分析方面的知识，一方面是想通过输出倒逼输入，提升自己的能力；另一方面，也是想链接更多有智慧的朋友。

我们可以用类比的思维，把一个领域的方法，应用到另一个领域，从而更好地发挥知识的价值。

最厉害的创新者，通常是在某一个领域钻研很深，同时又能把这个领域的核心技能，运用到临近领域中去的人。

对于数据分析工作而言，懂「技术」很重要，懂「人文」也很重要，更重要的是，把技术和人文相结合，去解决现实中的难题，这种现象正在变得越来越常见。

在企业级悬赏解题网站 InnoCentive 上的那些难题，往往不是本专业的人解决的，而是另外一个领域的人、用你完全没想到的思路给解决的。

数据分析的「技术」水平，可以通过刻意练习来提升，例如 Excel、Python、SQL 等，这些技能练成了马上就能用，见效快。

问题是：如何才能提高「人文」素养？

这就很难找到速成的方法了，往往需要靠长期的积累，而且学了未必有用，也未必会用。

阅读文学作品能提高共情能力，学会理解人。

写作可以提升表达能力，学会影响人。

快速理解他人的想法，并准确表达自己的想法，是极其珍贵的沟通能力。

专家都是建立在丰富经验的基础上，对所在领域的复杂问题有快速直觉的判断。

这就好比一个开车的老司机，驾驶汽车的一系列动作已经自动化了，有时大脑只用潜意识在开车。

同样，专家在思考复杂问题的时候，很多问题也已经是自动化处理，形成了一种「模式识别」的能力。

最厉害的专家，往往能在关键时刻，直指要害。

一位厉害的数据分析专家，除了熟练掌握必要的数据分析能力以外，还同时掌握很多其他能力，比如说，业务理解能力、沟通表达能力、解决问题的能力等，并且需要保持技能的更新，特别是在分析工具快速发展的情况下。

我有一个想法，把数据分析的模型，制作成一张又一张的卡片，就像一个又一个的「药方」。当我遇到难题的时候，就抽出其中几张卡片，尝试用不同的模型来「对症下药」。当数据分析的「临床经验」足够丰富以后，下次再遇到类似的难题，或许就能像行云流水一般，快速解决。

上面介绍的「超一流」方法，我觉得可以简单总结为三句话：

（1）链接专家：把复杂的事情简单做；

（2）成为行家：把简单的事情重复做；

（3）人生赢家：把重复的事情用心做。

很多人总是等着别人告诉自己，下一步应该干什么？下一步应该学习什么？最终把自己变成了一个工具人。

按照《高效能人士的 7 个习惯》中的观点，我们应该用双赢思维、以终为始、要事优先等原则，积极主动地做好自己应该做的事。

我们能不能有点勇气，好好思考一下，自己到底想要成为一个什么样的人？想要干成什么事？然后再看看干那件事需要学习什么能力？掌握什么工具？

电影《教父》中有一句经典的台词：

希望我们都能成为能看透事物本质的人。

Python软件基金会获Mozilla和扎克伯格夫妇40余万美金资助

蜗牛派 — Wed, 11 Dec 2019 02:45:56 +0000

蜗牛派讯【Python获Mozilla和扎克伯格夫妇40余万美金资助】Python 软件基金会近日发文宣布，收到来自 Mozilla Corporation 和 Chan Zuckerberg Initiative（陈和扎克伯格基金会，CZI）的资金赞助，共计 407000 美元。这笔款项将用于支持 pip （Python 软件包安装程序）2020 年的工作开展。该基金会表示：“几乎整个 Python 软件项目的生态系统都依赖于 pip，该项目将帮助每个人更轻松地安装软件、诊断和修复问题以及维护基础架构。”据悉，CZI由扎克伯格夫妇创立，这次向 Python 软件基金会提供资助的名目是“用于科学的必要开源软件”。